会议纪要是团队协作中信息同步的重要载体，但传统的手写记录方式容易被会议节奏打乱，导致关键决策和待办事项遗漏。借助大模型生成会议纪要，能够显著提升记录效率，而提示词的设计质量直接决定输出结果是否可用。一套结构合理的提示词，可以让模型从冗长的会议录音转写文本中准确提炼出讨论主线、决议结论和行动项，省去大量人工整理时间。
一、会议纪要提示词的核心组成
大模型不像人类一样天生理解会议纪要的业务含义，如果不加约束直接输入录音转写文本，模型往往只会给出笼统的总结，甚至根据自己的想象编造不存在的细节。因此，提示词中必须明确模型扮演的角色、输入材料的结构、输出内容的格式，以及信息取舍的标准。这四个要素缺一不可，角色设定让模型知道用何种口吻和视角处理信息，输入说明帮助模型理解会议材料的来源与局限，输出格式约束确保结果具备一致性和可读性，而取舍标准则直接决定纪要的实用价值。
在实际项目实践中，角色设定往往被开发者忽略。许多团队直接把语音转写文本丢给模型，得到的纪要就像一段流水账。更合理的做法是先给模型赋予一个明确的身份，例如资深会议记录专员，再说明本次会议的性质是项目周会、需求评审还是故障复盘。不同性质的会议，纪要的侧重点完全不同。项目周会关注进度风险和跨团队协作，需求评审关注结论和待细化问题，故障复盘则更强调根因和整改责任人。把会议类型写进提示词，相当于提前给模型划定了信息筛选的范围。
以下是一套可以直接套用的基础提示词模板，开发者可以根据实际会议场景调整其中的会议类型和输出字段。
你是一名资深的会议记录专员，擅长从冗长的会议转写文本中提炼出结构化纪要。 本次会议类型：项目周会 请根据以下整理规则输出会议纪要： ## 一、会议基本信息 包括会议主题、参会角色（从上下文推断）、会议时长。 ## 二、讨论内容摘要 按议程逐条归纳核心讨论，每条控制在50字以内，聚焦结论而不是过程复述。 ## 三、决议事项 列出当场敲定的决策，标明是「已确认」还是「待评审」。 ## 四、待办事项 每条待办包含：任务描述、负责人、截止日期、优先级。 只提取文本中明确提到的内容，禁止推理编造。 ## 五、风险与阻塞 列出影响项目进度的风险，并标记出风险等级。 以下是会议转写文本： 【在此粘贴转写内容】
这个模板的关键在于对输出格式做了刚性约束，特别是待办事项部分要求模型只提取明确提到的内容，这能有效抑制大模型的幻觉倾向。如果直接把类似这样的大段提示词交给模型，生成的纪要从结构到信息密度都远高于无约束的自由总结，团队甚至可以直接把输出结果粘贴到项目管理工具中继续流转。
二、待办事项提取的提示词规则设计
待办事项是会议纪要中最具行动价值的部分，也是提示词设计中需要投入最多篇幅的地方。常见的失败案例是模型把待办写成了模糊的愿望清单，比如加强沟通或推动进度，这类描述没有责任人、没有截止时间，根本无法落地执行。要避免这个问题，提示词中必须明确待办的结构化字段，并给出正反两面的示例，让模型理解什么样的表述才算合格。
一个成熟的待办提取规则应当包含强制字段和辅助字段。强制字段包括任务描述、负责人、截止日期，这三项缺少任何一项都应视为无效待办。辅助字段则包括任务优先级、所属模块、关联议题编号等，用于后续排期和追踪。可以通过在提示词中举例说明完整待办与残缺待办的差异，例如一条完整的待办应该写成设计登录页原型图，负责人张三，本周五前输出初稿，而不是张三推进登录页设计。模型经过这样的示例引导后，提取质量会有明显提升。
负责人识别是需要额外关注的难点。在多人讨论的转写文本中，负责人往往以代词形式出现，例如我来跟进、这块由小王负责。简单的关键词匹配无法有效处理这些表达，提示词中可以要求模型结合上下文中的姓名与任务动作进行绑定，并且在输出前检查每个待办是否都具备明确的负责人姓名。如果模型无法确定某个待办的责任人，应当将该事项归入待确认列表，而不是任意编造一个人名。下面这段提示词片段专门针对待办提取逻辑做了加强。
请从转写文本中提取所有待办事项，按照以下JSON格式输出：
{
"todo_list": [
{
"task": "任务描述，必须是可执行的动词短语",
"owner": "负责人姓名，从文本中提取，禁止推测",
"due_date": "截止日期，格式为YYYY-MM-DD",
"priority": "高/中/低",
"status": "待办/进行中/已完成"
}
]
}
提取规则：
1. 每一条待办必须包含task、owner、due_date三个字段，缺一不可。
2. 如果文本中只有任务描述但没有明确到人名，将owner填为"待确认"。
3. 如果截止日期表述为"本周五"或"下周"，请结合当前日期推算具体日期。
4. 不要合并相似任务，宁可拆细也不要遗漏负责人。
5. 输出JSON数组，不要包含其他解释性文字。
这份片段在提示词层面引入了结构化约束，把待办提取从自由文本生成任务变成了一个带有强制校验的抽取任务。值得留意的是，due_date字段的推算逻辑需要模型具备日期运算能力，实际测试中大多数大模型都能正确处理常见的下周、月底这类相对时间表达。如果会议录音转写工具本身记录了会议日期，也可以把会议日期写进提示词，降低模型推算错误的概率。
三、常见失败场景与提示词优化策略
即使提示词设计得再精细，实际操作中依然会遇到各种意外情况。最典型的问题是模型面对长度过长的转写文本时出现注意力衰减，开头部分的信息被完整保留，而会议后段的讨论内容被压缩甚至遗漏。针对这种情况，可以采取分段摘要与全局汇总相结合的策略，先把完整的转写文本按时间切分为若干片段，对每个片段独立生成局部纪要，再把局部纪要合并为全局纪要。同时，模型上下文窗口再怎么扩展，也建议单次输入的文本控制在四五千字以内，超过这个规模就应自动分段。
幻觉信息是另一个高频问题。在信息模糊的段落，模型倾向于用自己的常识补全内容，例如把上周的进度当作本次会议的讨论结论。除了在提示词中反复强调只基于输入文本生成内容外，还可以引入后置校验环节，让模型用提问的方式主动标记出自己把握不足的信息点。例如在生成纪要后追加一句提示：请列出本次纪要中所有无法从原文直接推断的内容，并说明原因，这样可以生成一份可信度自检报告，帮助人工快速定位需要复核的部分。实际效果证明，具备自检机制的提示词可以把幻觉类错误降低一半以上。
版本管理的思路也值得引入会议纪要场景。同一场会议可能需要服务不同角色的使用者，开发团队关注技术细节和接口变更，产品团队关注需求验收标准，管理层关注里程碑进度。与其为每一类受众分别设计一套提示词，不如在基础提示词末尾追加一个视角切换参数，让模型在输出时按相同的事实基础生成不同颗粒度的纪要版本。这样既保证了不一致的信息源，又兼顾了不同角色的阅读效率。提示词优化是一个持续迭代的过程，每一次生成结果的差异都可以作为下一次调整提示词的依据，逐步形成团队内部的专用模板库。